Toma De Decisiones Bajo Riesgo La informacin con la que se cuenta para solucionar el problema es incompleta, es

decir, se conoce el problema, se conocen las posibles soluciones, pero no se conoce con certeza los resultados que
pueden arrojar. En este tipo de decisiones, las posibles alternativas de solucin tienen cierta probabilidad conocida de
generar un resultado. En estos casos se pueden usar modelos matemticos o tambin el decisor puede hacer uso de la
probabilidad objetiva o subjetiva para estimar el posible resultado. La probabilidad objetiva es la posibilidad de que
ocurra un resultado basndose en hechos concretos, puede ser cifras de aos anteriores o estudios realizados para
este fin. En la probabilidad subjetiva se determina el resultado basndose en opiniones y juicios personales.

La informacin con la que se cuenta para solucionar el problema es incompleta, es decir, se conoce el problema, se
conocen las posibles soluciones, pero no se conoce con certeza los resultados que pueden arrojar.

Decisin Bajo Riesgo Los procesos de decisin en ambiente de riesgo se caracterizan porque puede asociarse una
probabilidad de ocurrencia a cada estado de la naturaleza, probabilidades que son conocidas o pueden ser estimadas
por el decisor antes del proceso de toma de decisiones. Esta categora incluye aquellas decisiones para las que las
consecuencias de una accin dada dependen de algn evento probabilista.
En la toma de decisiones se puede dar un ambiente de riesgo cuando cada decisin tomada puede traer innumerables
consecuencias a las que puede asignarse una distribucin de probabilidad conocida, estas decisiones estn
caracterizadas porque puede asociarse una probabilidad de que algo ocurra a cada estado de la naturaleza
como consecuencia de la decisin tomada, estas probabilidades son conocidas o pueden ser estimadas por el decisor
antes del proceso de toma de decisiones.
Criterio del valor esperado: Este criterio supone seleccionar aquella alternativa cuyo pago esperado o medio sea
mejor (si los pagos son beneficios la de mayor beneficio esperado y si son costes la de menor coste esperado). Este
criterio es el ms comn cuando las probabilidades son conocidas, pero no tiene por qu ser el ms apropiado.
Obsrvese que si el proceso de decisin se repite muchas veces en idnticas condiciones las leyes de los grandes
nmeros aseguran que en el lmite el pago medio es la esperanza.

Toma De Decisiones Bajo Incertidumbre En los procesos de decisin bajo incertidumbre, el decisor conoce cules son los posibles
estados de la naturaleza, aunque no dispone de informacin alguna sobre cul de ellos ocurrir. No slo es incapaz de predecir el
estado real que se presentar, sino que adems no puede cuantificar de ninguna forma esta incertidumbre. En particular, esto excluye
el conocimiento de informacin de tipo probabilstico sobre las posibilidades de ocurrencia de cada estado
Decisin bajo incertidumbre, como se mencion antes, se atiende a problemas de decisiones, en los que no se
conocen las probabilidades de ocurrencia de los estados naturales
Principios Maximin y Minimax. Fue sugerido por Abraham Wald y representa una filosofa pesimista para alcanzar los
resultados. Se tratade asegurar una ganancia o una prdida conservadora. El criterio consiste en identificar el peor
resultado de cada alternativa y de estos peores valores escoger el mejor, la alternativa correspondiente ser la elegida,
es decir: MAX [ Min A ] para ganancias MIN [ Max A ] para prdidas.
Criterio De Hurwicz Este criterio representa un intervalo de actitudes desde la ms optimista hasta la ms pesimista. En las
condiciones ms optimistas se elegira la accin que proporcione el mx ai mx ej { x(ai, ej) } Este criterio distingue los
resultados mximos y mnimos posibles de cada alternativa;
Criterio de Laplace. El criterio de Laplace parte del hecho de que no se conocen las probabilidades de ocurrencia de
cada uno de los estados de la naturaleza, propone que las probabilidades sean las mismas para cada estado. Como
ahora ya se cuenta con informacin de la probabilidad de ocurrencia, se calcula la esperanza matemtica asociada a
cada alternativa y por ltimo se selecciona aquella alternativa que corresponda al mximo valor monetario esperado.
En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de una poblacin.
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean extrapolables a la poblacin. Este proceso permite
ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzaran si se realizase un estudio de toda la poblacin.
Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio adecuado (que consienta no solo hacer
estimaciones de la poblacin sino estimar tambin los mrgenes de error correspondientes a dichas estimaciones), debe cumplir
ciertos requisitos.
Estadstica inferencial La estadstica inferencial se ocupa de extender o extrapolar a toda una poblacin, informaciones obtenidas
de una muestra, as como de la toma de decisiones.
Poblacin Es el conjunto total de individuos susceptibles de poseer la informacin buscada. No se refiere exclusivamente a
personas, la poblacin puede estar formada por todos los rboles de un bosque.
Muestra Es la parte de la poblacin en la que se miden las caractersticas estudiadas. El nmero de individuos de la muestra se
llama tamao de la muestra. Una parte de la poblacin de la cual reproduce las caractersticas e esta
Muestreo Es el proceso seguido para la extraccin de una muestra.
Unidad muestral: Unidad seleccionada de la poblacin para la aplicacin de la tcnica de investigacin. Puede ser un
elemento poblacional nico o un conjunto de elementos.
Parmetro: Es una medida de resumen que se calcula para describir una caracterstica de toda la poblacin.
Ej. censo, promedio de notas.
Encuesta Es el proceso de obtener la informacin buscada entre los elementos de la muestra.
Tipos de muestreo No aleatorios Se eligen los elementos, en funcin de que sean representativos, segn la opinin del
investigador.
Aleatorios Todos los miembros de la muestra han sido elegidos al azar, de forma que cada miembro de la poblacin tuvo igual
oportunidad de salir en la muestra.
Simple Elegido el tamao de la muestra, los elementos que la compongan se han de elegir aleatoriamente entre los N de la
poblacin.Con calculadora: se utilizan los nmeros aleatorios
Sistemtico Se ordenan previamente los individuos de la poblacin; despus se elige uno de ellos al azar, a continuacin, a
intervalos constantes, se eligen todos los dems hasta completar la muestra.
Estratificado Se divide la poblacin total en clases homogneas, llamadas estratos; por ejemplo, por grupos de edades, por sexo.
Hecho esto la muestra se escoge aleatoriamente en nmero proporcional al de los componentes de cada clase o estrato.
Muestreo Probabilstico Son aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos
para llegar a ser la muestra. Son los ms recomendables ya que nos aseguran la representatividad de la
muestra.
Muestreo Aleatorio Simple: En un muestreo aleatorio simple todos los individuos tienen la misma
probabilidad de ser seleccionados. La seleccin de la muestra puede realizarse a travs de cualquier
mecanismo probabilstico en el que todos los elementos tengan las mismas opciones de salir.
Muestreo Aleatorio Sistemtico: Para este tipo de muestreo es necesario enumerar los elementos de la
poblacin, en cambio aqu elegimos I elementos, que es un numero al azar para el cual la contamos de
una constante K, que es el resultado de K=N/n, el numero i que empleamos como punto de partida
ser un nmero al azar entre 1y K.
Consiste en dividir la poblacin N estratos, compuestos por las primeras K unidades, las segundas K
unidades y as sucesivamente.
Muestreo Aleatorio Estratificado: Consiste en considerar categoras tpicas diferente entre la poblacin
que poseen gran homogeneidad entre ellos como es: estado civil, pas de residencia, etc, formando
estratos o grupos. Lo que se pretende con este tipo de muestreo es asegurarse de que todos los
estratos estarn representados adecuadamente en la muestra.
Se introducen ciertos grupos o estratos que renen caractersticas homogneas para investigar una
situacin en cada uno de ellos.
Muestreo Aleatorio por Conglomerado: El muestreo por conglomerados consiste en seleccionar
aleatoriamente un cierto nmero de conglomerados el necesario para alcanzar el tamao muestra
establecido y en investigar despus todos los elementos pertenecientes a los conglomerados elegidos.
Es un tipo de muestreo aleatorio en el que los elementos de la poblacin se dividen en forma natural en
subgrupos. En ste muestreo, la unidad muestral no son los individuos sino un conjunto de individuos que, bajo
determinados aspectos, se puede considerar que forman una unidad o conglomerado.
Mtodos de muestreo no probabilsticos Se seleccionan a los sujetos siguiendo determinados criterios personales
procurando que la muestra sea representativa.
Muestreo por Cuotas: Tambin es denominado Accidental. Se asienta generalmente sobre la base de un
buen conocimiento de los estratos de la poblacin o de los individuos ms representativos o adecuados
para la investigacin.
Se selecciona una caracterstica importante a estudiar y se determina la parte del universo que tienen
cada categora de caracterstica.
Muestreo Internacional o de conveniencia: Se caracteriza por un esfuerzo deliberado de obtener
muestras representativas mediante la inclusin en la muestra de grupos supuestamente tpicos. Tambin
puede ser que el investigador selecciones directa e intencionadamente los individuos de la poblacin.
ste procedimiento consiste en seleccionar las unidades muestrales ms convenientes para el estudio, o en
permitir que la participacin de la muestra sea totalmente voluntaria.
Bola de Nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y asi hasta
conseguir una muestra suficiente.
Se refiere a la variedad de procedimientos donde los entrevistados inciales se seleccionaran por mtodos pro
balsticos y los entrevistados adicionales se obtienen a partir de los primeros.

Muestreo por criterio: ste procedimiento se basa en el criterio o juicio del investigador para seleccionar
unidades muestrales representativas.
PASOS PARA UN PLAN DE MUESTREO
Definir a la poblacin de inters.
Elegir un mtodo de recopilacin de datos.
Identificar un marco de referencia del muestreo.
Seleccionar un mtodo de muestreo.
Determinar el tamao de la muestra.
Desarrollar procedimientos operacionales para seleccionar los elementos de la muestra.
Ejecutar el plan operacional de la muestra.
Definir la poblacin de inters Es identificar las caractersticas de aquellos individuos o cosas (por ejemplo clientes, compaas,
tiendas etc.) de quines o acerca de quines se necesita una informacin para satisfacer los objetivos de la investigacin. La
poblacin de inters a menudo se especifica en trminos de rea geogrfica, demogrfica y psicogrfica.
Elegir un mtodo de recopilacin de datos La seleccin de un mtodo de recopilacin de datos tiene implicaciones para el
proceso del muestreo. Tanto las entrevistas por telfono como las encuestas en los centros comerciales tiene ciertas desventajas
inherentes en lo que concierne al muestreo.
Identificar un marco de referencia del muestreo Es una lista de los miembros o elementos de la poblacin de donde se van a
seleccionar las unidades para la muestra, o un procedimiento especifico para generar una lista de esta forma.
Seleccionar un mtodo de muestreo Depender de los factores como los objetivos de estudio, los recursos financieros
disponibles, tiempo y la naturaleza del problema, y se dividen en dos grandes grupos.
a) Muestras probabilsticas: las muestras en las que cada elemento de la poblacin tiene una probabilidad de seleccin
distinta a cero.
b) Muestras no probabilsticas: las muestras en las que los elementos de la poblacin se han seleccionado de manera no
aleatoria.
MUESTREO PROBABILSTICO MUESTREO NO PROBABILSTICO
Sirve para cantidades,cuantifica.
Todos los casos presentes en el marco muestral tienen la
probabilidad de estar en el marco final
Es ciego a la hora de seleccionar elementos de las
muestras finales
No requiere un conocimiento elevado de la poblacin a
estudiar
Permite inferencias estadsticas
til cuando se quiere cualificar
Todos los casos no tiene la misma probabilidad de ser
seleccionados para la muestra
El investigador elige los casos que ms le interesan para
una informacin mas rica
Requiere un conocimiento elevado de la poblacin
Permite hacer inferencias lgicas